دسته‌بندي سيگنال‌هاي قلبي و تشخيص فيبريلاسيون دهليزي با استفاده از الگوريتم‌هاي يادگيري ماشين

شناسايي آريتمي‌هاي قلبي با استفاده از سيگنال الكتروكارديوگرام (ECG) به دليل تشخيص به هنگام شرايط خطرناك قلب، از اهميّت زيادي در حوزه ي تحقيقات پزشكي و علوم كامپيوتر برخوردار است. امروزه بيشتر از آناليز دستي براي تشخيص آريتمي هاي قلبي استفاده مي شود كه فرآيندي زمانبر است. به علاوه آناليز دستي همواره مستعد خطاي انساني است. در اين مقاله از الگوريتم يادگيري عميق در شناسايي و تشخيص آريتمي‌هاي قلبي استفاده شده است. داده هايي كه براي يادگيري و ارزيابي روش پيشنهادي استفاده شده است، از چالش physionet/computing 2017 انتخاب شده اند. نتايج شبيه-سازي‌هاي انجام شده نشان مي‌دهند كه سيستم پيشنهادي در دسته بندي سيگنال هاي ECG شامل كلاس هاي ريتم هاي با فيبريلاسيون دهليزي، ريتم هاي طبيعي، ريتم هاي نويزي و ساير ريتم ها، در مقايسه با روش هاي موجود، دقت بالاتري نتيجه داده است.